
尼尔森与阿里巴巴强强联手 利用大数据推出全新资讯服务
近日,尼尔森和阿里巴巴集团旗下阿里云公司合作,推出一项全新的咨询服务——“赚金石”。这项服务将阿里巴巴的电商平台大数据和尼尔森的数据分析能力相结合,旨在为客户制胜线上市场提供全套的解决方案。
作为全球知名的市场调研公司,尼尔森的调查数据被行业广泛采用,其核心业务在于提供 “消费者看什么”和“消费者买什么”的洞察。而阿里云则拥有丰富的计算、存储资源和大数据处理能力,两者结合将数据融合形成对客户具有重要意义的洞察,形成全新的“赚金石”服务。
阿里云总裁胡晓明表示:“尼尔森是一家令人尊敬的资讯与洞察公司,此次合作意味着阿里云开始同时开放云计算和大数据两种能力,未来阿里云大数据平台将在更多领域进行探索,与合作伙伴一起用技术拓展商业的边界。
据悉,除了追踪和分析线上消费者的全方位大数据,“赚金石”还能通过线上精准调研,主动触达,获取针对目标消费人群的深入洞察。而通过其不同模块的组合,“赚金石”能够帮助客户找到市场的潜力所在,品牌重新发现其传播策略、产品和品牌运营的动力何在,从而调整和制定出能获得更高回报率的营销策略。
尼尔森与阿里巴巴,这两者强强联合究竟意欲何为?“赚金石”究竟是一个怎样的服务?为此记者专访了尼尔森大中华区副总裁许丽平。
中国经营报:尼尔森和阿里巴巴集团旗下阿里云公司去年就已经开始合作,去年7月推出了“全线通”,如今又推出了一项全新的咨询服务——“赚金石”,这两者区别在什么地方?
许丽平:这两者从受众目标上没有什么不一样,都是针对品牌方的,全线通是检测品牌和它在市场上的表现,可以了解自己与竞争对手的情况。但“赚金石”更多的则是一个分析工具,“赚金石”致力于帮助客户挖掘产品定位与开发的创新机会,诊断在竞争环境下的全流程表现,全面提升线上收益。所以,一个是销售数据,一个是分析平台,这是两者最大的不同。
中国经营报:“赚金石”通过怎样的方式来提高企业的分析能力和销售业绩?
许丽平:以前没有大数据的时候,品牌商的研究和创新无法精确化,很多厂商创新时采用的就是10个项目或新品一起研究和投放,最后哪个在市场上效果好就重点推那个,这样的话成本非常高。现在线上的工具可以从多个方面对企业起到帮助,一是长尾效应,可以让品牌方去开发针对小众的产品,以前厂商不敢冒然开辟小众产品,因为风险比较大,现在可以通过大数据利用长尾效应,来销售小众产品,即使不一定大卖,但也可以给企业带来不错的收益。二是,可以对产品作出细致的分析和跟踪,比如针对一款衣服滞销,到底是不受消费者欢迎?还是在推动它的时候投资出现了问题?这些都会一目了然。
中国经营报:有些企业有没有意识到大数据的重要性?
许丽平:目前很多企业都在涌向电商的平台,但是他们在电商的平台上怎么来合理的使用大数据确实还不算多。目前一些大企业在第三方电商平台上做得很好,但他们自己的官方销售网站却做得很简陋,他们也没有像阿里巴巴、一号店等电商平台的利用大数据的经验来搭建自己的官网销售平台,另外还有一个原因,就是对消费者来说,在一些企业自己的官网平台,只能选择一个品牌,吸引力也自然不如像天猫这样综合性的电商平台。
中国经营报:在产品正式发布前,飞利浦已经测试应用"赚金石"产品,这种合作进行如何?
许丽平:我们在前期开发过程中和几个客户,包括飞利浦都进行了联合试用,因为这也是第一次开发出这样的产品,我们也需要客户的意见来更好完善这款产品,通过一些企业的试用,有的企业把大数据运用到他们的创新上,他们的反应很好,他们认为概念和产品测试方面,可以帮助公司精确找到目标受众,快速发现蓝海市场。但也给我们很多宝贵意见。因此这款产品经过一年的孕育和试用,及完善,终于可以正式推出了。
中国经营报:"赚金石"究竟如何来帮助客户解决问题的?
许丽平:"赚金石"可以帮助企业预测一系列商业指标:新品上市的销量预测和上市后跟踪;准确定位目标客户群体,发现消费者的潜在需求;挖掘产品升级换代的新趋势;品牌包装和促销定价方案的优化;消费者在买什么,购买群体特征及消费行为特征。
具体来说,“创新机会挖掘”通过对网购者的评价及产品反馈等信息的分析,能帮助客户在不同方面发现市场的空白点和未来的蓝海市场,这不但能帮助客户正确定位产品线、开发新产品来满足消费者尚未满足的需求,还可以发掘产品升级换代的新趋势;“表现跟踪评估”能够评估产品在线销售全流程中每一个环节的销售转换率表现,并且通过与竞争对手的实时比较来发现流量,网页和产品的瓶颈所在;“目标群体重塑”能够帮助品牌更好地了解并且触达他们的现有以及潜在消费者;“网页文本优化”通过优化产品的产品介绍页面设计从而帮助客户提高线上的购买转化率;“产品表现优化”通过用试用前后调研来,来评估消费者的产品满意度,以及寻找优化产品的突破口;“促销定价优化”能够帮助客户确定最理想的平日售卖价格和促销价格;另外,“赚金石”第二阶段还将推出营销计划优化服务,帮助品牌预测产品的销售量并且提供如何优化市场规划和投资回报率的建议。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23